几种简单的图像滤波（均值，高斯，中值）

在图像存储的过程中，经常会产生一些噪声，而图像滤波的作用主要就是消除或尽量减少噪声的影响，改善图像的质量。
先放一张小可爱辟邪！

一，均值滤波
均值滤波就是把将滤波图像像素点的灰度值，改成周围8个方位以及它本身的灰度值之和的平均值，以此来达到消除噪声，平滑图像的的作用。
下面的这张图就是一张示意图。意思也很好懂，就是像素点本身与周围八邻域的点的灰度值之和除以9，最后的值就是中心滤波点的值。

我知道不举个例子，这个看了也就只是看了，所以我们还是举个例子吧！
如一个图像的一小块区域的灰度值如下：

如此我们就来算一下中心值，也就是6这个点经过均值滤波之后的值吧！
我们设中心点的灰度值为x，既x=（2+3+4+5+6+7+8+9+10）/9=6
是不是很尴尬，哈哈！
再给你看看，经过均值滤波处理过后的小可爱是什么样的！

我那么可爱的萌妹子，咋一下子就变得模糊了起来。其实使用均值滤波，会模糊图像之间的界限，也就会导致图像区域之间的对比度下降，所以一般用的并不是很多。
接下来我们就开始看看高斯滤波吧！

二，高斯滤波
高斯滤波，顾名思义主要就是处理高斯噪声的，它和均值滤波很相似，唯一的不同就是他修改根据高斯模型，修改了每个像素点的权重，离中心点越近的，其权值占比也就越重。
高斯模型图像如下：

根据高斯模型写的高斯滤波模板如下：

**
是不是跟均值滤波模板很像啊！
我们来上手试一下，还是这块图像区域，我们来算算中心值应该等于多少！

老样子，设个x，x=（6*4+（3+5+7+9）2+2+4+8+10）/16=6
还是等于6，是不是感觉都没什么变化啊！
其实这就是乱举的一个例子，实际上几乎不可能是这样的。
依旧是小可爱辟邪：

虽然还是挺模糊的，但是总体而言还是要比上面的均值滤波的效果好一些，不要问我是怎么看出来的。因为对于小可爱的一点细节我都不会放过的。
好了，不吹牛了！这个高斯滤波是比均值滤波的效果好一些，但是因为他们的模板都是33的矩阵，到了边界上就没办法操作。所以一般使用这两种滤波的结果图会比原图小一点，只是小的比较少，所以不那么明显。

三，中值滤波
中值滤波是一种典型的低通滤波器，可以保护边界并同时去除噪声。
至于具体步骤就是把某点（x,y）为中心的小窗口内的所有像素的灰度从大到小顺序排列，将中间值作为（x，y）的灰度值。
如采用31的中值窗口，图像区域如下：

经过31的中值窗口之后，第一次进入的0,3,2，就会变成3,2，0，然后这a12的位置上的灰度值就会变成2，下一个3,2,4，经过中值窗口，就会变成4,3,2，然后a13的位置上的灰度值就变成了3，依次类推。
接下来依旧是小可爱辟邪：

这次是很明显的清晰了吧！
下面是三种滤波方式的一些比较。
1，相比于高斯与均值，中值滤波能够更好的保留图像的边界。
**
2，高斯滤波能够很好的消除高斯噪声

3，中值滤波对脉冲噪声有奇效

最后就是推荐一下，我看的视频教程：
https://www.bilibili.com/video/av61178093/?p=1